Aquabyte WISE

Welfare Indicator ScorEDatabaserte beslutninger for økte inntekter

WISE overvåker og identifiserer alle observerbare velferdsindikatorer. Verktøyet gir også en løpende overvåkning av velferds-status i merden. Du får sanntids-kunnskap for alle de velferdsindikatorene du trenger. Skinn, øye, deformiteter, finner og kjønnsmodning. Når du trenger det.

Du kan velge indikatorer som er tilpasset dine behov. Hele året.

Ved å ha løpende kontroll på velferds-statusen reduseres både risikoen for redusert velferd, og risikoen for nedklassing på grunn av dårlig velferd. Du får også informasjon for å kunne ta databaserte beslutninger på alle sentrale velferdsindikatorer slik at effektivitet og inntekter økes.

Verdi for deg

  • Kunnskap om fiskens velferdsstatus for å kunne holde denne på et kontinuerlig høyt nivå
  • Reduserer risiko for dødelighet
  • Reduserer risiko for nedklassifisering
  • Økt verdiskapning

LaksVel standard

WISE er basert på LaksVel standarden, og vi har i utviklingen av dette produktet samarbeidet med Havforskningsinstituttet. Dette har resultert i en metode som er i henhold til LaksVel-standarden, der vi overfører «manuell» scoring av fisk til bildebasert scoring. Basert på dette samarbeidet har vi utviklet en scorings guide for bildebasert dokumentasjon av velferd

WISE er basert på LaksVel standarden, og vi har i utviklingen av dette produktet samarbeidet med Havforskningsinstituttet. Dette har resultert i en metode som er i henhold til LaksVel-standarden, der vi overfører «manuell» scoring av fisk til bildebasert scoring. Basert på dette samarbeidet har vi utviklet en scorings guide for bildebasert dokumentasjon av velferd

Aquabyte LICE

Aquabyte LICE overvåker og teller lusenivåene helt uten fysisk håndtering av fisk. Aquabyte LICE erstatter behovet for manuell telling av lakselus på lokaliteten, og det kan brukes for ukentlig rapportering til Mattilsynet, følge trender over tid og oppdage endringer i lusenivåer tidlig. Dette gir bedre grunnlag for å fatte gode beslutninger og iverksette målrettede tiltak for bekjempelse av lakselus.

Verdi for deg

  • Nøyaktig daglig telling av lakselus i ulike livsstadier
  • Daglig oversikt over trender og utvikling av lusesituasjonen
  • Pålitelig effektmåling i sanntid av preventive tiltak og avlusninger
  • Mindre håndtering og stress av fisken

OMFATTENDE kundestøtte og konsulenthjelp

Vi tilbyr alle kunder omfattende oppfølging og kundestøtte. For oss er det viktig at du får nytte av våre produkter, og kan ta de i bruk på en slik måtte at det skaper verdi.

Ingen treff.

Spørsmål og svar om maskinlæring

Maskinlæring er en form for kunstig intelligens. Det er en programvare, et nettverk av algoritmer, som trenes opp til å gjenkjenne og tolke mønster i bilder og datamengder. Teknologien bak er den samme som blir brukt i ansiktsgjenkjenning i sosiale medier, til å tolke trafikkbildet for selvkjørende biler – eller til å anbefale deg filmer eller musikk på Spotify og Netflix ut fra dine tidligere valg.

Vanlig dataprogram utføres en utregning på basis av data som blir tastet inn i programmet. I maskinlæring  utvikler programmene og algoritmene seg etter hvert som de blir «trent » av ny data. Det blir en form for mønstergjenkjenning, der algoritmene lærer seg hva de skal se etter. De får nye treningsdata sammen med korrigeringer på svarene de har gitt tidligere, og kommer opp med mer og mer presises resultater.

La oss si at algoritmene skal trenes opp til å gjenkjenne lakselus. Algoritmene blir da matet inn med treningsdata, en mengde bilder a laks med lus i ulike stadier. Gjennom tilbakemeldinger blir algoritmene mer og mer treffsikre i å gjenkjenne lakselusen. Det er viktig å bruke bilder tatt under reelle forhold i merden, med skiftende lysforhold, og ulike vinkler av fisken.

Kvaliteten på algoritmene er viktig. Kanskje må de justeres for å legge vekt på andre faktorer i dataene, slik at resultatene blir mer presis. Kanskje må antallet algoritmer dataen må gjennom utvides. Ta for eksempel en programvare som skal gjenkjenne identiteten til enkeltfisk på grunnlag av det unike prikkmønsteret hver av dem har. Hvis algoritmene også skal gjenkjenne den samme fisken over tid, må algoritmene ha kapasitet til å forstå hvordan prikkmønsteret endres med størrelsen til fisken.

Bildene er tatt med et undervannskamera i merden. Per Erik Hansen, produktsjef for lus og velferd i Aquabyte, nevner at selskapet bruker et standard to-linsekamera med spesielt god optikk for å kunne måle 3D-avstand til fisken. Kameraet tar bilder kontinuerlig, er optimalt plassert slik at flest mulig fisk kan svømme forbi. Programvaren som kjører på kameraet filtrerer bort irrelevante bilder og analyserer de beste.

De av våre kunder som har benyttet seg av systemet over lengre tid, rapporterer at resultatene viser seg å stemme godt med virkeligheten. Oppdretterne får daglige lusetall for hver merd, med telling av lus på langt flere fisk enn ved manuell telling. Programvaren skiller individuelle fisk fra hverandre, slik at samme fisk ikke telles flere ganger. Dette bidrar til at Aquabyte leverer lusetall med stor nøyaktighet.

Presis telling av lakselus og nøyaktig estimat av vekt- og distrubisjonsdata er to av bruksområdene som til nå har fått ferdig utviklede løsninger. Fiskehelse er et annet viktig anvendelsesområde. Detektering av vintersår, deformasjoner og andre ytre forandringer på laksen er aktuelle bruksområder. Ved å gi oppdretteren mye bedre innsikt og beslutningsgrunnlag vil man kunne ta langt bedre beslutninger og i det hele få en mer effektiv drift av oppdrettsanlegget.

keyboard_arrow_up